天文卫星巡天扫描智能规划模型及仿真

巡天扫描是天文卫星进行天体观测的基础,但是使用传统方法很难实现全天球覆盖,并且会遇到能源输出瓶颈。因此,针对天文卫星巡天扫描所遇到的问题,提出了使用多目标遗传算法对卫星飞行任务进行智能规划的模型。该模型通过调整飞行任务很好解决了能源输出的问题,与仅依靠被动的分段式扫描方法相比,还大大缩短了巡天扫描的时间。从仿真结果来看,该模型是十分有效的。     

基于遗传算法的泊位连续化动态调度研究

针对泊位调度问题,将岸线连续化,建立了泊位的动态调度模型。考虑到岸边起重机的分配对泊位调度中船舶的集装箱装卸作业时间的影响,根据规则建立了分配岸边起重机和确定船舶集装箱装卸作业时间的算法。基于泊位连续化动态调度模型建立了分段的染色体编码,分别反映船舶靠泊服务顺序和靠泊位置信息。基于实例,通过仿真计算,与泊位离散化动态调度进行了比较和分析。     

集成粒子群优化算法在电网规划中的应用

电网规划是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题。在优化过程中,考虑了投资费用、可靠性和对环境的影响等三个因素。提出将模拟退火优化方法嵌入粒子群优化算法中,以此构建集成粒子群优化算法。在搜索过程中还加入变异操作来增加种群多样性,以避免早熟收敛。局部搜索增加了算法的开发能力,而变异操作提高了算法的探测能力。探测与开发能力的平衡,通过两个阈值来实现。通过对一220kv电力传输系统的实例研究表明,集成粒子群优化算法局部搜索能力有显著提高。     

Markov跳变系统的单步约束预测控制

针对离散Markov跳变系统,研究带输出约束的单步预测控制问题。首先设计基于模态的单步预测控制器,驱动系统状态到达相应的终端不变集内,以此保证约束预测控制系统的稳定性,接着进一步讨论了系统存在峰值有界噪声输入情形。其中终端不变集是通过在预测时域外寻求一个虚拟的带约束的状态反馈控制器以保证系统的随机稳定性来获得,为计算方便,控制器的优化问题转化为SDP问题,并得到以LMI描述的优化问题。最后对Markov跳变系统描述的经济学动力系统的仿真结果说明了本控制器设计方法能够在峰值有界噪声输入下保证系统的稳定性,并且使控制变量满足给定的约束条件。     

模糊供应链批量生产计划问题

描述了模糊单位生产成本、模糊生产能力以及模糊需求下的分布式多工厂供应链批量生产计划问题。根据不同的决策准则建立了模糊期望值模型和模糊相关机会约束规划模型。当模糊变量是三角模糊数时,讨论了模糊规划模型的清晰等价形式,并采用遗传算法给出了求解模型的具体步骤。最后通过一个数值例子验证了方法的有效性。     

电厂湿法烟气脱硫过程优化控制研究

深入研究了具有混杂系统特性的电厂湿法烟气脱硫(WFGD)过程的优化与控制问题;运用混合逻辑动态的建模方法(Mixed Logical Dynamic)建立了WFGD过程的MLD模型,基于MLD模型的预测控制方法把WFGD过程优化问题转化为实时求解混合整数规划(MIQP)问题,实时给出了WFGD过程优化运行的连续决策变量(吸收塔浆液的PH值设定)和离散决策变量(循环浆液泵开启台数)的最优解;用同样方法实现WFGD过程基础回路级中具有非线性动态的PH对象的控制;仿真表明基于MLD模型预测控制方法很好地解决了WFGD过程的优化与控制问题。     

蚁群算法在全局最优路径寻优中的应用

移动机器人路径规划是机器人学的一个重要研究领域。针对移动场地的特点对其进行了建模与存储,然后将场地处理成简单的连通图,在此基础上对TSP模型进行了改进以应用到机器人全局最优路径中来,然后利用蚁群算法的基本原理在所建立的模型上进行全局最优路径搜索。为了更好的寻找到全局最优路径,对基本蚁群算法也做了一定的改进。不同的实验结果表明这种方法的确可以准确地找出全局最优路径。     

基于前视声呐信息的AUV避碰规划研究

在复杂海洋环境中,利用前视声呐获取的障碍物信息指导自治水下机器人（AUV）进行局部避碰。主要采用强化学习的方法对AUV进行控制和决策,综合Q学习算法、BP神经网络和人工势场法对AUV进行避碰规划。强化学习的方法强调AUV在环境的影响中学习,通过环境对不同行为的评价性反馈信号来改变行为选择策略。并且在环境发生变化时,AUV通过学习来实现对新环境的适应,不断改进其自治能力,进而实现在不确定环境下的避障任务。开发了AUV运动规划的虚拟仿真软件系统,仿真实验证明了算法的合理性与可行性。     

空间探测相控阵雷达系统中的任务规划算法

针对空间探测相控阵雷达系统,提出了一种观测任务规划算法。首先,建立了观测任务模型和观测任务资源占用模型;其次提出一种多任务并行截止期越早越优先(multi-task parallel earliest deadline first,MTPEDF)调度算法来解决观测任务规划,该算法综合考虑雷达的搜索任务与跟踪任务来进行系统资源的分配。对于跟踪任务,算法结合目标的过境时间以及当前系统的负载情况,以此来确定雷达对该目标的观测时间段;最后给出了算法的评估方法。利用在轨的2 886个空间目标进行仿真验证,仿真结果表明算法可以较好地利用系统时间资源,合理安排雷达观测任务。     

参数未知随机系统的最小方差对偶自适应控制

针对参数未知随机系统的自适应控制问题,研究了最小方差对偶自适应控制。分析了由于未知参数的不确定性,使得运用动态规划原理求解最优控制律时存在着困难,转而寻求次优控制律;给出了差分方程转换成状态空间模型的方法,将未知参数在一个确定的模型集中取值,运用动态规划原理得到各模型的控制律,通过各模型后验概率加权获得次优对偶控制律。给出了算例,以验证此算法的有效性,表明所得到的控制律既有调节作用,又有学习作用。